是什麼促使你提出這個願望清單請求？
Fit Y by X 平台無法分析來自隨機不完全區組設計 (RICBD) 的數據，即如果區組不平衡，即 1 個區組（或多個區組）中缺少 1 個（或多個）地塊，因此在 JMP 18 中，Fit Y by X 會自動在 Fit Model 平台中調用 SLS，而這正是用戶所需要的！
遺憾的是，JMP 19 中移除了這項非常重要且非常有用的功能，JMP 改為在「擬合模型」平台中調用混合模型，以便對不等方差進行有效的檢驗（參見詳細原理部分）。
您希望看到哪些改進？
只需恢復 JMP 18 中處理此問題的方式即可。或者，作為替代（不太建議的）選項，允許 JMP 提供一個選項（例如在單因素首選項選單中），以使用擬合模型 - 擬合 SLS 來處理隨機不完全區組設計案例（與 JMP 18 中的處理方式相同；即，沒有可用的不等方差檢定）。
為什麼這個想法很重要？
許多使用單因子變異數分析的研究人員並不熟悉混合模型方法，可能不理解 JMP 將區組視為隨機因子（而非固定因子），且變異數結構不相等（X 因子重複出現）。使用單因子變異數分析的研究人員、科學家和工程師通常更傾向於使用最簡單（技術或統計複雜度最低）的模型，而對這種模型也最為熟悉，而等方差假設通常也適用於他們的實驗情況。
允許預設工作流程在「單因素適配」中為RICBD擬合SLS迴歸模型，可以為這些使用者提供最大的彈性，而無需離開平台。因為從JMP 19開始，要擬合這個相對簡單的模型，使用者必須前往“分析”>“擬合模型”，並在那裡指定SLS迴歸模型。對於JMP標準版使用者來說尤其如此，因為他們無法在「單因子適配」產生的「混合模型適配」報告大綱中產生LS平均值檢定（因為「混合模型適配」是JMP Pro的專屬功能）。
請詳細闡述這個想法為何重要？
在數量遺傳學中，混合模型 用於分析系譜群體的數據。這類研究的主要目標是估計由多個隨機個體交配產生的後代家族之間的變異分量。 研究者會考慮父本（種公）和母本（種母），並利用這些變異數分量來計算遺傳力估計值。這些遺傳力估計值是此類研究的唯一目標，而模型中的固定效應（例如，當研究群體包含多個孵化批次時，則包含孵化批次效應；或者當存在多個飼養場時，則包含飼養場效應）的添加僅僅是為了從數據中消除這些非遺傳效應。
此外，許多教學和工業實驗實踐中的標準實驗的目標是比較固定效應因子（品種、墊料、教學方法等）的不同處理（在其他術語中稱為“處理”，在JMP中稱為“水平”）的均值。因此，重點在於這些「水平」的最小二乘平均值（LSMeans）以及它們之間差異的顯著性。
使用 RCBD（通常只有 4 到 6 個區組）的目的只是為了消除誤差變異數中這些區組之間的差異，從而減少固定效應「水準」估計平均值的標準誤差。
但由於此類實驗的目標之一是明確比較各因子「水平」的最小二乘均值，因此，JMP 標準版中「擬合模型」的 SLS 報告相比「擬合混合模型」報告具有實際優勢，因為它提供了 6 種不同的多重比較檢定。在這種情況下，必須使用其中一種檢定方法，因此，當 RCBD 實驗中缺少一個（或幾個）資料點（「圖」）時，需要將「擬合模型」的 SLS 作為分析資料的預設方法。
您好@AvigdorC ，感謝您的提交。我們會內部處理此事。
@Valerie_Nedbal以下是@AvigdorC提供的一些補充回饋，我們可以考慮一下：
基於與數百名 JMP 使用者和眾多 JMP 常規使用者的廣泛交流，我們認為，大多數使用者並不關心混合模型的統計細節和細微差別，包括：如何解讀這些細節，以及「Fit Mixed」的輸出與「Fit SLS」的輸出有何不同。此外，這些研究人員發表論文的期刊也不關注當 Block 被隨機分配時，「Fit Mixed」的輸出所呈現的統計複雜程度。
總而言之，他們的立場是，大多數 JMP 用戶將受益於 JMP 18 恢復了向 Fit Y by X 提交不平衡區塊資料的行為（這是唯一一個具有靈活指定區塊因子選項的基本 JMP 平台）。
